Publikation: Simplifizierung punktbasierter Geometrien
Dateien
Datum
Autor:innen
Herausgeber:innen
ISSN der Zeitschrift
Electronic ISSN
ISBN
Bibliografische Daten
Verlag
Schriftenreihe
Auflagebezeichnung
URI (zitierfähiger Link)
Internationale Patentnummer
Link zur Lizenz
Angaben zur Forschungsförderung
Projekt
Open Access-Veröffentlichung
Core Facility der Universität Konstanz
Titel in einer weiteren Sprache
Publikationstyp
Publikationsstatus
Erschienen in
Zusammenfassung
Three algorithms to simplify point-based objects are presented in this work. The algorithms are analysed and compared using a described error measurement.
All algorithms work directly on the point cloud. Two of them are based on clustering while the third uses particle simulation.
They use an estimate of local surface variation in order to adapt local surface properties; i.e. the algorithms place more samples in regions of high variation. This allows to preserve more details of an object.
Furthermore the work presents a method to visualize the measured errors. The possibility to upsample or smooth objects using particle simulation is also discussed in this work.
Zusammenfassung in einer weiteren Sprache
In dieser Arbeit werden drei Algorithmen zur Simplifizierung von punktbasierten dreidimensionalen Objekten beschrieben. Insbesondere werden diese Verfahren analysiert und miteinander verglichen. Implementiert wurden zwei Clustering-Verfahren sowie eine Partikelsimulation.
Diese reduzieren die Komplexität der Objekte, indem die Oberfläche durch
weniger Punkte repräsentiert wird. Alle drei Verfahren arbeiten dabei direkt auf der Punktwolke und mittels einer Schätzung der Oberflächenvariation wird versucht, in stark variierenden Regionen auch mehr Samples zu platzieren. Dadurch schaffen es die Algorithmen, Details eines Objektes auch nach erfolgter Simplifizierung zu erhalten. Um schliesslich die Qualität dieser Simplifizierungen zu analysieren, werden die Algorithmen mittels eines Fehlermaßes verglichen. Weiter findet eine Fehlervisualisierung statt. Es wird auch noch kurz auf die Möglichkeit von Upsampling und Smoothing mittels der Partikelsimulation eingegangen.
Fachgebiet (DDC)
Schlagwörter
Konferenz
Rezension
Zitieren
ISO 690
KOCH, Matthias, 2005. Simplifizierung punktbasierter Geometrien [Master thesis]BibTex
@mastersthesis{Koch2005Simpl-6324,
year={2005},
title={Simplifizierung punktbasierter Geometrien},
author={Koch, Matthias}
}RDF
<rdf:RDF
xmlns:dcterms="http://purl.org/dc/terms/"
xmlns:dc="http://purl.org/dc/elements/1.1/"
xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:bibo="http://purl.org/ontology/bibo/"
xmlns:dspace="http://digital-repositories.org/ontologies/dspace/0.1.0#"
xmlns:foaf="http://xmlns.com/foaf/0.1/"
xmlns:void="http://rdfs.org/ns/void#"
xmlns:xsd="http://www.w3.org/2001/XMLSchema#" >
<rdf:Description rdf:about="https://kops.uni-konstanz.de/server/rdf/resource/123456789/6324">
<dcterms:hasPart rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/6324/1/bachelorarbeit.pdf"/>
<dspace:isPartOfCollection rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/36"/>
<dc:date rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2011-03-24T16:11:27Z</dc:date>
<bibo:uri rdf:resource="http://kops.uni-konstanz.de/handle/123456789/6324"/>
<dcterms:title>Simplifizierung punktbasierter Geometrien</dcterms:title>
<void:sparqlEndpoint rdf:resource="http://localhost/fuseki/dspace/sparql"/>
<dcterms:isPartOf rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/36"/>
<dcterms:issued>2005</dcterms:issued>
<dc:format>application/pdf</dc:format>
<dc:language>deu</dc:language>
<dcterms:alternative>Simplification of Point-based Geometry</dcterms:alternative>
<dc:rights>terms-of-use</dc:rights>
<dcterms:rights rdf:resource="https://rightsstatements.org/page/InC/1.0/"/>
<dcterms:abstract xml:lang="eng">Three algorithms to simplify point-based objects are presented in this work. The algorithms are analysed and compared using a described error measurement.<br />All algorithms work directly on the point cloud. Two of them are based on clustering while the third uses particle simulation.<br />They use an estimate of local surface variation in order to adapt local surface properties; i.e. the algorithms place more samples in regions of high variation. This allows to preserve more details of an object.<br />Furthermore the work presents a method to visualize the measured errors. The possibility to upsample or smooth objects using particle simulation is also discussed in this work.</dcterms:abstract>
<dc:contributor>Koch, Matthias</dc:contributor>
<dcterms:available rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2011-03-24T16:11:27Z</dcterms:available>
<dc:creator>Koch, Matthias</dc:creator>
<foaf:homepage rdf:resource="http://localhost:8080/"/>
<dspace:hasBitstream rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/6324/1/bachelorarbeit.pdf"/>
</rdf:Description>
</rdf:RDF>
